Autores: Olga ÁVILA * Eleonora CERATI * Roberto MACÍAS * Claudia REDOLATTI * Ingrid SCHWER * María Laura TAVERNA*

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Autores: Olga ÁVILA * Eleonora CERATI * Roberto MACÍAS * Claudia REDOLATTI * Ingrid SCHWER * María Laura TAVERNA*"

Transcripción

1 USO DE ANÁLISIS MULTIVARIADO PARA CARACTERIZAR LA FORMACIÓN MATEMÁTICA DE LOS ALUMNOS INGRESANTES Y MEDIR SU DESEMPEÑO EN LA PRIMERA ASIGNATURA DEL ÁREA EN LA UNIVERSIDAD Autores: Olga ÁVILA * Eleonora CERATI * Roberto MACÍAS * Claudia REDOLATTI * Ingrid SCHWER * María Laura TAVERNA* (*) Depto. de Matemática, Facultad de Ingeniería Química, UNL, Santa Fe (**) IMAL, CONICET, Santa Fe, (*), (*),(**) Sección A Palabras claves: análisis discriminante, regresión logística, ingresante, matemática Introducción Uno de los problemas más serios que enfrentan hoy en día las universidades en el dictado de sus primeros cursos es la heterogeneidad del nivel de conocimientos alcanzado por los alumnos en los estudios previos y las carencias con las que cuentan, dificultando el desempeño en materias como matemática. Por esta razón es importante estudiar los aspectos que pueden influir en el rendimiento de los alumnos ingresantes evitando situaciones de fracaso y favoreciendo la retención de los mismos En la Universidad Nacional del Litoral (UNL), con sede en la ciudad de Santa Fe, a partir del año 2 es un requisito obligatorio la aprobación del Curso de Articulación Disciplinar en Matemática para el cursado de la primer materia en matemática llamada Matemática A. Los alumnos que no logran aprobarlo deben asistir durante el primer cuatrimestre de su primer año a un curso de apoyo (CAM) con el fin de lograr una mejor formación necesaria para realizar Matemática A. Desde el año 2 se realiza un seguimiento estadístico a los alumnos ingresantes de las carreras de la Facultad de Ingeniería Química (FIQ) dependiente de la (UNL) para evaluar distintos aspectos de su rendimiento en el área matemática. Estudios realizados en trabajos anteriores con alumnos ingresantes en las carreras de la Facultad, mostraron que la aprobación del Curso de Articulación en el área matemática es un factor importante y decisivo para un buen desempeño de los alumnos en el primer curso de Matemática []. En virtud de ello surge la necesidad de analizar en mayor detalle distintos aspectos que diferencian a los alumnos que aprobaron este curso de aquellos que deben realizar el Curso Tutorial de Matemática para reforzar contenidos del polimodal como así también analizar estos aspectos considerando solamente aquellos alumnos ingresantes que aprobaron Matemática A.. El objetivo de este trabajo es mostrar resultados obtenidos de utilizar las técnicas multivariadas de análisis discriminante y regresión logística en alumnos ingresantes. Ambos análisis multivariados permiten identificar un conjunto de variables independientes de un grupo mayor, como las variables mejores predictoras para clasificar los alumnos ingresantes en dos grupos: alumnos en condiciones de cursar Matemática A; y alumnos que deben realizar un curso tutorial como curso de apoyo para lograr una mejor formación en matemática previo al cursado de este primer curso. Un análisis discriminante adicional se realiza a los alumnos de la asignatura Matemática A con el objeto de detectar variables que diferencien aquellos alumnos que aprobaron la materia de los que no lo hicieron. Datos Para la obtención de los datos de los ingresantes 27 se utilizaron los resultados obtenidos del Curso de Articulación Disciplinar en Matemática, y una encuesta similar a la realizada en el año 2 donde se recogen datos relacionados con el curso de articulación disciplinar y se realizan preguntas referidas al estudio de recta, parábola y trigonometría. Las respuestas a estas preguntas permiten reflejar en líneas generales aspectos de la formación obtenida en el nivel polimodal en el área matemática. Variables

2 Inicialmente se consideran las siguientes variables: a) Cursó Matemática en el último año del nivel polimodal (variable dicotómica). b) Recuerda haber estudiado recta (variable dicotómica). c) Recuerda haber estudiado parábola (variable dicotómica). d) Recuerda haber estudiado trigonometría (variable dicotómica). e) Situación previa: cuenta con estudios universitarios o terciarios previos f) Cantidad de conocimientos nuevos que proporciona el Curso de Articulación: se han considerado dos modalidades pocos y muchos. g) Dependencia del establecimiento donde cursó el polimodal con las siguientes modalidades: provincial, dependiente de la UNL, privada religiosa, privada particular, Instituto militar y otros. h) Orientación del polimodal con las siguientes modalidades: humanidades y ciencias sociales; economía y gestión de las organizaciones; ciencias naturales; producción de bienes y servicios; comunicación, arte y diseño y otros. i) Nota del examen del Curso de Articulación en Matemática (CAM)(variable continua). j) Situación laboral: se han considerado las modalidades no trabaja, trabaja menos de 2 horas, entre 2 y 3 horas, y más de 3 horas. Salvo la variable i), las restantes se obtienen de la encuesta mencionada. Análisis Descriptivo de las variables que definen los modelos El Software utilizado para el procesamiento de los datos fue el SPSS versión 7.. Se presenta a continuación la tabla de frecuencias asociadas a las variables que resultaron posteriormente significativas en los modelos estadísticos considerados en el presente trabajo. APROBACIO N DEL CAM Total SITUACION ESTUDIOS PREVIOS SITUACION ESTUDIOS PREVIOS SITUACION ESTUDIOS PREVIOS No Media Desv. típ. ponderados,93,288 23,826, ,335, ,435,25 23,6522, ,826, ,269, ,826, ,4348, ,527, ,, 84,, 84 7,558, ,59, ,857, ,988,9 84,357, ,, ,429,587 84,95, ,983,367 7,9626, ,64 2,33 7 3,963,6584 7,83,3968 7,9533,225 7,3364, ,9626,8962 7,256,655 7,267, Tabla : Estadísticos de las variables según grupos. Análisis Discriminante La técnica multivariada de análisis discriminante permite relacionar diferentes aspectos relevantes para discriminar en dos grupos para caracterizar la formación de los ingresantes en la Universidad. Es necesario tener grupos excluyentes y diferenciados. En este caso son dos: aquellos que están en condiciones de cursar Matemática A y quienes deben asistir al Curso de Apoyo. Para utilizar esta técnica se necesita la información relacionada con dos aspectos esenciales: un conjunto de casos cuyo grupo de pertenencia está identificado y un conjunto de variables que identifiquen las características que mejor miden las diferencias entre esos grupos. El análisis discriminante [3,4,5] permite construir una función que es una combinación lineal de

3 variables que evaluada en cada caso proporciona un puntaje que permite asignarlo al grupo de pertenencia. Una vez que esta función discrimina correctamente los casos conocidos puede utilizarse para clasificar nuevos casos cuyo grupo de pertenencia se desconoce. La técnica permite trabajar con grupos con una gran diferencia en cantidad de datos, utilizando probabilidades proporcionales al tamaño de los grupos, situación a tenerse en cuenta en el presente trabajo ya que se tienen solamente 23 alumnos que asistieron al Curso de Apoyo y 84 alumnos que estuvieron en condiciones de cursar Matemática A. Una etapa importante en la técnica de análisis discriminante para construir un modelo adecuado es poder seleccionar correctamente un subconjunto de variables capaces de discriminar entre los dos grupos identificados. Para tal fin inicialmente se realiza un test de igualdad de medias entre grupos a todas las variables disponibles (Tabla 2). SITUACION ESTUDIOS PREVIOS Lambda de Wilks F gl gl2 Sig.,93 7,85 5,6,858 7,354 5,,336 27,88 5,,865 6,356 5,,953 5,38 5,25,9,593 5,,993,74 5,39,996,458 5,5,966 3,677 5,58,959 4,456 5,37 Tabla 2: Prueba de igualdad de medias Se observa que solamente las variables Matemática último año, Dependencia y Situación estudios previos no son significativas al nivel del 5 %. Las variables restantes se utilizan para el estudio de un modelo discriminante. La técnica implementada indica que las variables consideradas previamente en los items b), c), h) e i) resultan las apropiadas para la construcción del modelo. Existen otros estadísticos propios de la técnica, como el coeficiente de correlación canónica y Lambda de Wilks, que permiten elegir el modelo más apropiado de todos los modelos que pueden construirse a partir de las cuatro variables previamente seleccionadas. Ambos coeficientes miden las diferencias entre los grupos debidas a las funciones discriminantes. El estadístico Lambda de Wilks (Tabla 3) expresa la proporción de variabilidad total no debida a las diferencias entre los grupos (variabilidad dentro de los grupos); permite además contrastar la hipótesis nula de que las medias multivariantes de los grupos (centroides) son iguales. Al realizar esta prueba para nuestro caso se rechaza la hipótesis nula a una significación mayor al %, lo cual indica que el modelo propuesto es apropiado para discriminar entre los grupos. Contraste de las funciones Lambda de Wilks Chi-cuadrado gl Sig.,288 95,73 4, Tabla 3: Significación del estadístico Lambda de Wilks El coeficiente de correlación canónica (Tabla 4) mide para la función discriminante, el grado en que difieren las medias de dicha función en los distintos grupos. Un valor alto del coeficiente indica una fuerte relación entre el grupo de pertenencia y los valores de la función discriminante. En este caso, resulta un valor moderado para este coeficiente. Función Correlación Autovalor % de varianza % acumulado canónica 2,466,,,844 Tabla 4: Correlación canónica Función discriminante

4 La Tabla 5 detalla los coeficientes estandarizados de la función obtenida con las variables que finalmente resultaron significativas. El valor absoluto de estos coeficientes indica la importancia relativa de la variable correspondiente en el cálculo de la función discriminante. ORIENTACION POLIMODAL Función,337,442,937,96 Tabla 5: Coeficientes estandarizados de las funciones discriminantes canónicas La función queda definida de la siguiente manera: D i =,337 estudió recta estudió parábola +,937 nota del CAM +,96 orientación polimodal Esta función evaluada en cada caso arroja un puntaje D i, que permite establecer el grupo de pertenencia del alumno. Original Recuento % Aprobación del CAM Grupo de pertenencia pronosticado Total ,,,,,, Tabla 6: Resultados de la clasificación Para poder interpretar la Tabla 6 se debe recordar que se desea discriminar el grupo formado por alumnos que deben realizar el Curso Tutorial de Matemática es decir que no aprobaron el Curso de Articulación Disciplinar, del grupo de estudiantes que tienen la formación suficiente para realizar Matemática A o sea que han aprobado el Curso de Articulación Disciplinar. Esta Tabla de resumen, muestra la cantidad de datos discriminados correcta e incorrectamente. En este estudio se tiene que el % se clasifica correctamente. Fisher propuso una función de clasificación para cada grupo. En el caso de dos grupos la diferencia entre ambas funciones da lugar a un vector de coeficientes proporcional a los coeficientes no estandarizados de la función discriminante canónica. Para clasificar nuevos casos se utilizan estas funciones de clasificación para cada grupo cuyos coeficientes se presentan en la tabla 7. Al utilizarlas, se clasifica un alumno en el grupo para el que la función sea mayor. ORIENTACION POLIMODAL (Constante) APROBACION DEL CAM NO SI 93,857 6,896 44,33 55,868 4,59 7,435,748,266-7,7 -,628 Tabla 7: Coeficientes para la función discriminante lineal Se realizó un análisis discriminante sin tener en cuenta la nota del CAM, resultando un modelo conformado por las variables Orientación del Polimodal, las referidas a si recuerda haber estudiado en la escuela media temas como recta, parábola y trigonometría, indicando que este

5 tipo de variables son apropiadas para la discriminación de estos grupos. Regresión logística Para cada alumno se desea establecer si tiene una formación lo suficientemente robusta como para realizar el primer curso de las carreras de Ingeniería, Matemática A, o requiere del apoyo especial del Curso Tutorial en Matemática, quedando identificados los alumnos ingresantes en dos grupos. Estos dos grupos pueden verse como una variable dicotómica que considera la pertenencia o no de los alumnos a Matemática A según si aprobaron el Curso de Articulación Disciplinar. Un modelo apropiado cuando la variable dependiente es dicotómica es el modelo de regresión logística. Este tipo de modelo, también llamado modelo de respuesta cualitativa, tiene utilidad para pronosticar qué sucederá cuando existan dos posibilidades, en nuestro caso, superar dicho curso o no. Esto se logra mediante un modelo que calcula probabilidades para cada caso permitiendo asignarlo a un grupo bien definido según si esta probabilidad supera o no un punto de corte previamente fijado (.5 en nuestro caso). El análisis de regresión logística [2,6] presenta la ventaja de no requerir que las variables se distribuyan según la ley normal, lo que muchos argumentan como la razón fundamental para que este enfoque resulte notoriamente más robusto que el enfoque discriminante. Este tipo de modelos permiten estimar o predecir la probabilidad de que un individuo posea una característica en función de determinadas cualidades individuales o variables (x, x 2,.., x k ). En regresión logística el modelo matemático que mejor estima tal probabilidad, debido a que restringe los valores a su rango < P < y aproxima a una forma S de la curva, es el siguiente: e ( o equivalentemente: P ( Y = ) = ( a+ bx) + e + e a+ bx P Y = ) = a+ bx Para la estimación de los coeficientes b utilizamos el método de máxima verosimilitud. Para nuestros datos el modelo resultante es el siguiente: P ( Z = ) + exp( NotCAM EstRecta) Para ver la de bondad de ajuste del modelo se consideran las pruebas de Hosmer y Lemeshow y la prueba que considera 2log de la verosimilitud. Ambos test indican un buen ajuste del modelo aquí presentado. Al utilizar el modelo resultante se obtiene una clasificación de los casos como se muestra en la tabla 8. Observado APROBADO no si Pronosticado APROBADO no si Tabla 8: Resultados de la clasificación La técnica de regresión logística requirió de una menor cantidad de variables para su modelo, destacando que éstas son un subconjunto de las utilizadas en el análisis discrimínante. Uso de Análisis discriminante con los alumnos de la asignatura Matemática A Se realiza un estudio adicional de análisis discriminante a los alumnos que cursan la materia Matemática A. El objetivo que se persigue es identificar las variables que diferencian a los alumnos que han aprobado de los que no lo logran en los turnos julio y agosto correspondientes a los únicos turnos comprendidos entre primer y segundo cuatrimestre de cursado. Las 3 variables, Recuerda haber estudiado recta, parábola y trigonometría consideradas en el análisis discriminante anterior no se tienen en cuenta aquí debido a que tienen un único valor para todos los alumnos de nuestra nueva población, Matemática A. De las variables restantes un test de igualdad de medias permite seleccionar aquellas que se pueden tener en cuenta como posibles variables discriminantes. Resultaron apropiadas con un nivel de significación de.5: Cantidad de conocimientos nuevos que proporciona el Curso de

6 Articulación, Nota del examen del Curso de Articulación en Matemática (CAM) y Situación laboral. Los coeficientes de correlación canónica y Lambda de Wilks indican que modelo entre todos los posibles es el más apropiado: D i = -.65 trabaja +,985 nota del CAM Para este modelo el coeficiente de correlación canónica es de.827 y el coeficiente de Lambda de Wilks es de.37 indicando un modelo válido para discriminar entre los dos grupos. Al aplicar el modelo a los alumnos de Matemática A surge la siguiente tabla de clasificación: Origina Recuent % APROBAD O Grupo de tpronosticad i a. Clasificados correctamente el 99,5% de los casos originales d Tabla 9: Resultados de la clasificación Total ,7 2,3,,,, Este modelo está indicando cómo influye la condición de trabajar o no en el rendimiento de la asignatura, en tanto el coeficiente que acompaña en el modelo a la variable nota de apoyo del CAM al ser positivo y alto con respecto al de la variable asociada a trabajo indica que aquellos alumnos con notas más altas en el curso de articulación disciplinar tienen una formación más sólida en el área matemática que los prepara para realizar en mejores condiciones la asignatura. Conclusiones Las técnicas de análisis multivariado son herramientas de gran utilidad e interpretadas junto con las estadísticas que se vienen realizando con bases de datos de los alumnos ingresantes resultan apropiadas para diagnosticar y tomar decisiones en busca de una mejor organización y calidad de enseñanza. Las técnicas de análisis multivariado logran identificar un conjunto de variables que caracterizan la formación de los alumnos ingresantes en el área matemática. Tanto las técnicas de análisis discriminante como de regresión logística proporcionaron buenas clasificaciones para los alumnos ingresantes ubicándolos en el curso tutorial o en Matemática A. Ambos análisis estarían indicando que la aprobación del curso de articulación en matemática puede ser considerada una herramienta apropiada de medición de la formación de los ingresantes en el área matemática. Las variables resultantes en el modelo de análisis discriminante evidencian diferencias en los grupos de ingresantes respecto a la orientación de la educación polimodal, no así respecto al tipo de escuela a la cual asistieron (pública o privada). Para realizar el análisis multivariado a los alumnos de Matemática A se consideraron las mismas variables de medición que en los estudios anteriores. Salvo la variable si trabaja o no, las restantes caracterizan el nivel de formación previo al ingreso universitario y no tienen en cuenta los conocimientos adquiridos en esta asignatura. El modelo resultante muestra que los contenidos evaluados en el curso de articulación disciplinar dan una formación esencial sólida necesaria para un buen desempeño del alumno en la asignatura Matemática A. La otra variable presente en el modelo, si trabaja o no, influye también en el rendimiento del alumno. Referencias bibliográficas : [] Ávila O. y otros, Rendimiento en Matemática de los alumnos ingresantes en la Facultad de Ingeniería Química, Universidad Nacional del Litoral. Actas de Congreso, UMA, Salta, Argentina 25. [2] Hosmer D. y Lemeshow, Applied Logistic Regresión, Estados Unidos, 989. [3] Johnson R. y D. Wichern, Statistical Multivariate Statistical Analysis, Fourth Edition,

7 Prentice Hall, 998. [4] LeBold W. y otros, The use of discrimnant analysis for optimal placement, ASEE Annual Conference Proceedings, Purdue University, W. Lafayette, Estados Unidos, 989. [5] LeBold W. y otros, Understanding of Mathematics and Science: Efficient Models for Student Assessments (Vol.4, Nro IEEE Transactions on Education, Purdue University, W. Lafayette), Estados Unidos, 998. [6] Pampel F., Logistic Regresión, Estados Unidos, 2.

LA TÉCNICA DE ÁNALISIS DISCRIMINANTE: UNA APLICACIÓN PARA EL ÁREA BANCARIA 1

LA TÉCNICA DE ÁNALISIS DISCRIMINANTE: UNA APLICACIÓN PARA EL ÁREA BANCARIA 1 BANCO CENTRAL DE COSTA RICA DIVISIÓN ECONÓMICA DEPARTAMENTO DE INVESTIGACIONES ECONÓMICAS DIE-NT-03-98 AGOSTO, 998 LA TÉCNICA DE ÁNALISIS DISCRIMINANTE: UNA APLICACIÓN PARA EL ÁREA BANCARIA Evelyn Muñoz

Más detalles

UNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERÍAS MAESTRÍA EN INGENIERÍA DE SISTEMAS Y COMPUTACIÓN ANÁLISIS MULTIVARIADO

UNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERÍAS MAESTRÍA EN INGENIERÍA DE SISTEMAS Y COMPUTACIÓN ANÁLISIS MULTIVARIADO UNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERÍAS MAESTRÍA EN INGENIERÍA DE SISTEMAS Y COMPUTACIÓN ANÁLISIS MULTIVARIADO OBJETIVO GENERAL El curso es de un nivel matemático intermedio y tiene

Más detalles

Técnicas de regresión: Regresión Lineal Múltiple

Técnicas de regresión: Regresión Lineal Múltiple Investigación: Técnicas de regresión: regresión lineal múltiple 1/1 Técnicas de regresión: Regresión Lineal Múltiple Pértega Díaz S., Pita Fernández S. Unidad de Epidemiología Clínica y Bioestadística.

Más detalles

APLICACIÓN DEL ANÁLISIS DISCRIMINANTE A UN CONJUNTO DE DATOS VINÍCOLAS MEDIANTE EL PAQUETE ESTADÍSTICO SPSS v10

APLICACIÓN DEL ANÁLISIS DISCRIMINANTE A UN CONJUNTO DE DATOS VINÍCOLAS MEDIANTE EL PAQUETE ESTADÍSTICO SPSS v10 APLICACIÓN DEL ANÁLISIS DISCRIMINANTE A UN CONJUNTO DE DATOS VINÍCOLAS MEDIANTE EL PAQUETE ESTADÍSTICO SPSS v10 1 Maylí Z. Pozo Díaz, 2 Gonzalo I. Carrasco O. 1 Universidad de Panamá, Facultad de Ciencias

Más detalles

MANUAL SIMPLIFICADO DE ESTADÍSTICA APLICADA VIA SPSS

MANUAL SIMPLIFICADO DE ESTADÍSTICA APLICADA VIA SPSS 1 MANUAL SIMPLIFICADO DE ESTADÍSTICA APLICADA VIA SPSS Medidas de tendencia central Menú Analizar: Los comandos del menú Analizar (Estadística) ejecutan los procesamientos estadísticos. Sus comandos están

Más detalles

FACTORES PREDICTORES DE SOBREVIDA EN PACIENTES CON DIFERENTES PATOLOGÍAS CANCEROSAS, MEDIANTE EL MODELO DE REGRESIÓN DE COX.

FACTORES PREDICTORES DE SOBREVIDA EN PACIENTES CON DIFERENTES PATOLOGÍAS CANCEROSAS, MEDIANTE EL MODELO DE REGRESIÓN DE COX. FACTORES PREDICTORES DE SOBREVIDA EN PACIENTES CON DIFERENTES PATOLOGÍAS CANCEROSAS, MEDIANTE EL MODELO DE REGRESIÓN DE COX. CASO: ESTÓMAGO Abarca Andrea 1, Ramírez Jhon 2 Resumen: La población objetivo

Más detalles

Regresión múltiple. Modelos y Simulación. I. Introducción II. Marco teórico III. Aplicación IV. Conclusiones V. Bibliografía

Regresión múltiple. Modelos y Simulación. I. Introducción II. Marco teórico III. Aplicación IV. Conclusiones V. Bibliografía Regresión múltiple I. Introducción II. Marco teórico III. Aplicación IV. Conclusiones V. Bibliografía I.- INTRODUCCIÓN Como la Estadística Inferencial nos permite trabajar con una variable a nivel de intervalo

Más detalles

ERRORES CONCEPTUALES DE ESTADÍSTICA EN ESTUDIANTES

ERRORES CONCEPTUALES DE ESTADÍSTICA EN ESTUDIANTES ERRORES CONCEPTUALES DE ESTADÍSTICA EN ESTUDIANTES DE BÁSICA PRIMARIA EN LA CIUDAD DE PEREIRA José R. Bedoya Universidad Tecnológica de Pereira Pereira, Colombia La formación estadística en la ciudadanía,

Más detalles

T. 8 Estadísticos de asociación entre variables

T. 8 Estadísticos de asociación entre variables T. 8 Estadísticos de asociación entre variables. Concepto de asociación entre variables. Midiendo la asociación entre variables.. El caso de dos variables categóricas.. El caso de una variable categórica

Más detalles

Pero qué hacemos cuando no se cumple la normalidad o tenemos muy pocos datos?

Pero qué hacemos cuando no se cumple la normalidad o tenemos muy pocos datos? Capítulo. Métodos no paramétricos Los métodos presentados en los capítulos anteriores, se basaban en el conocimiento de las distribuciones muestrales de las diferencias de porcentajes o promedios, cuando

Más detalles

1. Introducción a la estadística 2. Estadística descriptiva: resumen numérico y gráfico de datos 3. Estadística inferencial: estimación de parámetros

1. Introducción a la estadística 2. Estadística descriptiva: resumen numérico y gráfico de datos 3. Estadística inferencial: estimación de parámetros TEMA 0: INTRODUCCIÓN Y REPASO 1. Introducción a la estadística 2. Estadística descriptiva: resumen numérico y gráfico de datos 3. Estadística inferencial: estimación de parámetros desconocidos 4. Comparación

Más detalles

ANÁLISIS DISCRIMINANTE

ANÁLISIS DISCRIMINANTE ANÁLISIS DISCRIMINANTE ANÁLISIS DISCRIMINANTE 1. Introducción 2. Etapas 3. Caso práctico Análisis de dependencias introducción varias relaciones una relación 1 variable dependiente > 1 variable dependiente

Más detalles

FACTORES IMPLICADOS EN EL RENDIMIENTO ACADÉMICO DE LOS ALUMNOS UNIVERSIDAD DE SALAMANCA

FACTORES IMPLICADOS EN EL RENDIMIENTO ACADÉMICO DE LOS ALUMNOS UNIVERSIDAD DE SALAMANCA La satisfacción de los alumnos universitarios respecto a sus estudios 413 Revista de Investigación Educativa, 1999, Vol. 17, n.º 2, págs. 413-421 FACTORES IMPLICADOS EN EL RENDIMIENTO ACADÉMICO DE LOS

Más detalles

Tema 4 Técnicas de reducción de la dimensión

Tema 4 Técnicas de reducción de la dimensión Tema 4 Técnicas de reducción de la dimensión José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid En qué dirección es conveniente proyectar? 2 1 0 1 2 1 0 1 2 Componentes principales

Más detalles

UNA PROPUESTA PARA ALGUNAS APLICACIONES DE ANÁLISIS DE CORRESPONDENCIAS MÚLTIPLES *

UNA PROPUESTA PARA ALGUNAS APLICACIONES DE ANÁLISIS DE CORRESPONDENCIAS MÚLTIPLES * UNA PROPUESTA PARA ALGUNAS APLICACIONES DE ANÁLISIS DE CORRESPONDENCIAS MÚLTIPLES * Quaglino, Marta Beatriz Pagura, José Alberto Instituto de Investigaciones Teóricas y Aplicadas, Escuela de Estadística

Más detalles

Métodos y Diseños utilizados en Psicología

Métodos y Diseños utilizados en Psicología Métodos y Diseños utilizados en Psicología El presente documento pretende realizar una introducción al método científico utilizado en Psicología para recoger información acerca de situaciones o aspectos

Más detalles

Plan docente de la asignatura Bioestadística del Grado de Medicina de la Facultad de Ciencias de la Salud y de la Vida (FCSV)

Plan docente de la asignatura Bioestadística del Grado de Medicina de la Facultad de Ciencias de la Salud y de la Vida (FCSV) Plan docente de la asignatura Bioestadística del Grado de Medicina de la Facultad de Ciencias de la Salud y de la Vida (FCSV) 1. Descripción de la asignatura Materia: Estadística Carácter: Formación Básica

Más detalles

PROGRAMA ANALÍTICO. UBICACIÓN EN EL PLAN DE ESTUDIO DE MECÁNICA: 1er. CUATRIMESTRE DE 2do. AÑO

PROGRAMA ANALÍTICO. UBICACIÓN EN EL PLAN DE ESTUDIO DE MECÁNICA: 1er. CUATRIMESTRE DE 2do. AÑO PROGRAMA ANALÍTICO DEPARTAMENTO: CIENCIAS BÁSICAS CARRERAS: INGENIERÍA MECÁNICA - INGENIERÍA QUÍMICA ASIGNATURA: PROBABILIDAD Y ESTADÍSTICA CÓDIGO: 0406 AÑO ACADÉMICO: 2015 PLAN DE ESTUDIO: MECÁNICA 2005

Más detalles

PRUEBAS DE ADMISIÓN A LA UNIVERSIDAD Y RESULTADOS ACADÉMICOS

PRUEBAS DE ADMISIÓN A LA UNIVERSIDAD Y RESULTADOS ACADÉMICOS PRUEBAS DE ADMISIÓN A LA UNIVERSIDAD Y RESULTADOS ACADÉMICOS Juan Manuel López Zafra - juanma_lz@cee.upco.es Raquel Caro Carretero - rcaro@cee.upco.es Universidad Pontificia de Comillas Reservados todos

Más detalles

CORRELACIÓN Y REGRESIÓN EMPLEANDO EXCEL Y GRAPH

CORRELACIÓN Y REGRESIÓN EMPLEANDO EXCEL Y GRAPH CORRELACIÓN Y REGRESIÓN EMPLEANDO EXCEL Y GRAPH 1) ANÁLISIS DE CORRELACIÓN Dado dos variables, la correlación permite hacer estimaciones del valor de una de ellas conociendo el valor de la otra variable.

Más detalles

Una validación de la interpretación no causal del análisis factorial

Una validación de la interpretación no causal del análisis factorial Una validación de la interpretación no causal del análisis factorial José Antonio Pérez-Gil y Rafael Moreno Rodríguez Es muy frecuente asumir que los factores comunes obtenidos en el Análisis Factorial

Más detalles

Cómo obtener un Modelo de Regresión Logística Binaria con SPSS

Cómo obtener un Modelo de Regresión Logística Binaria con SPSS Universitat de de Barcelona. Institut de de Ciències de de l Educació Cómo obtener un Modelo de Regresión Logística Binaria con SPSS Vanesa Berlanga-Silvente y Ruth Vilà-Baños Fecha de presentación:

Más detalles

Web: www.iesmarmenor.org Curso 2012-2013 MATEMÁTICAS-I 1ª EVALUACIÓN 2ª EVALUACIÓN 3ª EVALUACIÓN. La recta en el plano. (1 semana)

Web: www.iesmarmenor.org Curso 2012-2013 MATEMÁTICAS-I 1ª EVALUACIÓN 2ª EVALUACIÓN 3ª EVALUACIÓN. La recta en el plano. (1 semana) MATEMÁTICAS-I DISTRIBUCIÓN TEMPORAL DE LOS CONTENIDOS 1ª EVALUACIÓN 2ª EVALUACIÓN 3ª EVALUACIÓN Aritmética y Álgebra Trigonometría (4 semanas) Números complejos Vectores en el plano La recta en el plano

Más detalles

INFLUENCIA DE SELECTIVIDAD EN LAS MATEMÁTICAS DE ECONOMÍA

INFLUENCIA DE SELECTIVIDAD EN LAS MATEMÁTICAS DE ECONOMÍA INFLUENCIA DE SELECTIVIDAD EN LAS MATEMÁTICAS DE ECONOMÍA Juana María Vivo Molina Departamento de Métodos Cuantitativos para la Economía. Universidad de Murcia. jmvivomo@um.es RESUMEN En este trabajo se

Más detalles

Material del curso Análisis de datos procedentes de investigaciones mediante programas informáticos Manuel Miguel Ramos Álvarez

Material del curso Análisis de datos procedentes de investigaciones mediante programas informáticos Manuel Miguel Ramos Álvarez Curso de Análisis de investigaciones con programas Informáticos 1 UNIVERSIDAD DE JAÉN Material del curso Análisis de datos procedentes de investigaciones mediante programas informáticos Manuel Miguel Ramos

Más detalles

CAPITULO IV METODOLOGIA DE LA INVESTIGACION

CAPITULO IV METODOLOGIA DE LA INVESTIGACION 109 CAPITULO IV METODOLOGIA DE LA INVESTIGACION 4.1. Tipo de investigación El tipo de investigación que se utiliza es el descriptivo, con el cual se ha pretenderá especificar la incidencia del maltrato

Más detalles

Capítulo 3. Análisis de Regresión Simple. 1. Introducción. Capítulo 3

Capítulo 3. Análisis de Regresión Simple. 1. Introducción. Capítulo 3 Capítulo 3 1. Introducción El análisis de regresión lineal, en general, nos permite obtener una función lineal de una o más variables independientes o predictoras (X1, X2,... XK) a partir de la cual explicar

Más detalles

GUÍA DIDÁCTICA DE LA ASIGNATURA Análisis de datos en Psicología 2

GUÍA DIDÁCTICA DE LA ASIGNATURA Análisis de datos en Psicología 2 GUÍA DIDÁCTICA DE LA ASIGNATURA Análisis de datos en Psicología 2 DATOS BÁSICOS DE LA ASIGNATURA Denominación: Análisis de datos en Psicología 2 / Statistical Data Analysis in Psychology II Módulo: Métodos,

Más detalles

Imagen de Rosaura Ochoa con licencia Creative Commons

Imagen de Rosaura Ochoa con licencia Creative Commons Imagen de Rosaura Ochoa con licencia Creative Commons Durante el primer tema hemos aprendido a elaborar una encuesta. Una vez elaborada la encuesta necesitamos escoger a los individuos a los que se la

Más detalles

Estadística I Ejercicios Tema 3 Curso 2015/16

Estadística I Ejercicios Tema 3 Curso 2015/16 Estadística I Ejercicios Tema 3 Curso 2015/16 1. En la siguiente tabla se representa la distribución conjunta de frecuencias (relativas) de 2 variables: calificación en Estadística I, y número de horas

Más detalles

Los valores de las respuesta son las puntuaciones que, de cada individuo, o cluster, obtenemos semanalmente durante cinco semanas consecutivas:

Los valores de las respuesta son las puntuaciones que, de cada individuo, o cluster, obtenemos semanalmente durante cinco semanas consecutivas: Sobre los modelos lineales mixtos Ejemplo: Recuperación de infarto. Para estudiar las diferencias entre dos procedimientos diferentes de recuperación de pacientes de un infarto, se consideraron dos grupos

Más detalles

Titulación: MASTER EN PREVENCION DE RIESGOS LABORALES Asignatura: PROMOCIÓN DE LA SALUD EN EL ENTORNO LABORAL y BASES ESTADÍSTICAS Código:

Titulación: MASTER EN PREVENCION DE RIESGOS LABORALES Asignatura: PROMOCIÓN DE LA SALUD EN EL ENTORNO LABORAL y BASES ESTADÍSTICAS Código: Titulación: MASTER EN PREVENCION DE RIESGOS LABORALES Asignatura: PROMOCIÓN DE LA SALUD EN EL ENTORNO LABORAL y BASES ESTADÍSTICAS Código: Información básica Carácter: Obligatoria Modalidad: Presencial

Más detalles

TRATAMIENTO DE BASES DE DATOS CON INFORMACIÓN FALTANTE SEGÚN ANÁLISIS DE LAS PÉRDIDAS CON SPSS

TRATAMIENTO DE BASES DE DATOS CON INFORMACIÓN FALTANTE SEGÚN ANÁLISIS DE LAS PÉRDIDAS CON SPSS Badler, Clara E. Alsina, Sara M. 1 Puigsubirá, Cristina B. 1 Vitelleschi, María S. 1 Instituto de Investigaciones Teóricas y Aplicadas de la Escuela de Estadística (IITAE) TRATAMIENTO DE BASES DE DATOS

Más detalles

ASIGNATURA DE GRADO: MATEMÁTICAS I

ASIGNATURA DE GRADO: MATEMÁTICAS I ASIGNATURA DE GRADO: MATEMÁTICAS I Curso 2015/2016 (Código:6502102-) 1.PRESENTACIÓN DE LA ASIGNATURA La asignatura de Matemáticas I del Grado en Administración y Dirección de Empresas se estudia en el

Más detalles

MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II

MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II 2º BACHILLERATO (Modalidad: Humanidades y Ciencias Sociales) Desarrollado en Decreto 67/2008, de 19 de junio. B.O.C.M.: 27 de junio de 2008. PROGRAMACIÓN

Más detalles

Tratamiento borroso del intangible en la valoración de empresas de Internet

Tratamiento borroso del intangible en la valoración de empresas de Internet Tratamiento borroso del intangible en la valoración de empresas de Internet Mª Carmen Lozano Gutiérrez Federico Fuentes Martín Esta página está alojada por el Grupo EUMED.NET de la Universidad de Málaga

Más detalles

ANALISIS MULTIVARIANTE

ANALISIS MULTIVARIANTE ANALISIS MULTIVARIANTE Es un conjunto de técnicas que se utilizan cuando se trabaja sobre colecciones de datos en las cuáles hay muchas variables implicadas. Los principales problemas, en este contexto,

Más detalles

TÉCNICO SUPERIOR UNIVERSITARIO EN DESARROLLO DE NEGOCIOS

TÉCNICO SUPERIOR UNIVERSITARIO EN DESARROLLO DE NEGOCIOS TÉCNICO SUPERIOR UNIVERSITARIO EN HOJA DE ASIGNATURA CON DESGLOSE DE UNIDADES TEMÁTICAS 1. Nombre de la asignatura Estadística para negocios. 2. Competencias Administrar el proceso de ventas mediante estrategias,

Más detalles

Uso de Mapas Perceptuales en Campañas Políticas

Uso de Mapas Perceptuales en Campañas Políticas Uso de Mapas Perceptuales en Campañas Políticas Act. Marco Antonio Robles Páez GAUSSC Introducción El presente documento pretende mostrar la utilidad de los Mapas Perceptuales basados en el Análisis Discriminante

Más detalles

Segunda sesión de contenidos: El cuestionario Vida Académica: Desde las hipótesis al análisis informatizado de los datos.

Segunda sesión de contenidos: El cuestionario Vida Académica: Desde las hipótesis al análisis informatizado de los datos. Análisis y proceso de datos aplicado a la Psicología -----Práctica con ordenador----- Segunda sesión de contenidos: El cuestionario Vida Académica: Desde las hipótesis al análisis informatizado de los

Más detalles

INFORMACIÓN ACADÉMICA

INFORMACIÓN ACADÉMICA COLEGIO NTRA. SRA. DE MONTE-SIÓN RR. TERCIARIOS CAPUCHINOS Centro Concertado Plurilingüe --- SECUNDARIA Y BACHILLERATO Avd. P. Prudencio de Palmera, 10 Apartado de Correos 92 46900 TORRENT Tfno: 96 155

Más detalles

Tema 5. Análisis de componentes principales

Tema 5. Análisis de componentes principales Máster en Técnicas Estadísticas Análisis Multivariante. Año 2008 2009. Profesor: César Sánchez Sellero. Tema 5. Análisis de componentes principales 5.1. Introducción. El análisis de componentes principales

Más detalles

1 Ejemplo de análisis descriptivo de un conjunto de datos

1 Ejemplo de análisis descriptivo de un conjunto de datos 1 Ejemplo de análisis descriptivo de un conjunto de datos 1.1 Introducción En este ejemplo se analiza un conjunto de datos utilizando herramientas de estadística descriptiva. El objetivo es repasar algunos

Más detalles

SESIÓN PRÁCTICA 6: CONTRASTES DE HIPÓTESIS PROBABILIDAD Y ESTADÍSTICA. PROF. Esther González Sánchez. Departamento de Informática y Sistemas

SESIÓN PRÁCTICA 6: CONTRASTES DE HIPÓTESIS PROBABILIDAD Y ESTADÍSTICA. PROF. Esther González Sánchez. Departamento de Informática y Sistemas SESIÓN PRÁCTICA 6: CONTRASTES DE HIPÓTESIS PROBABILIDAD Y ESTADÍSTICA PROF. Esther González Sánchez Departamento de Informática y Sistemas Facultad de Informática Universidad de Las Palmas de Gran Canaria

Más detalles

Prof. Dr. José Perea Dpto. Producción Animal ANÁLISIS DE EXPERIMENTOS

Prof. Dr. José Perea Dpto. Producción Animal ANÁLISIS DE EXPERIMENTOS Prof. Dr. José Perea Dpto. Producción Animal ANÁLISIS DE EXPERIMENTOS ANÁLISIS DE EXPERIMENTOS 1. Introducción 2. Comparación de dos medias 3. Comparación de más de dos medias 4. Pruebas post-hoc 5. ANCOVA

Más detalles

Equipo pedagógico. Ciencias Naturales Antonio Gutiérrez Norma Mustacciuoli. Ciencias Sociales Amanda Franqueiro Andrés Nussbaum

Equipo pedagógico. Ciencias Naturales Antonio Gutiérrez Norma Mustacciuoli. Ciencias Sociales Amanda Franqueiro Andrés Nussbaum Equipo pedagógico Ciencias Naturales Antonio Gutiérrez Norma Mustacciuoli Ciencias Sociales Amanda Franqueiro Andrés Nussbaum Lengua Paula Carlino Jorge Novello Elda Salinas Matemática Liliana Bronzina

Más detalles

PROGRAMA DE ESTUDIOS. : Investigación en Psicología II.

PROGRAMA DE ESTUDIOS. : Investigación en Psicología II. PROGRAMA DE ESTUDIOS A. ANTECEDENTES GENERALES Nombre de la asignatura Carácter de la asignatura Pre requisitos Co requisitos Créditos Ubicación dentro del plan de estudio Número de clases por semana Número

Más detalles

Análisis Estadístico de Datos Climáticos

Análisis Estadístico de Datos Climáticos Análisis Estadístico de Datos Climáticos Análisis de agrupamiento (o clusters) (Wilks, Cap. 14) Facultad de Ciencias Facultad de Ingeniería 2013 Objetivo Idear una clasificación o esquema de agrupación

Más detalles

Sistema Académico de Grado. Facultad de Psicología

Sistema Académico de Grado. Facultad de Psicología Sistema Académico de Grado Facultad de Psicología Universidad de Buenos Aires Programa 2015 Estadística Código 60 Cat. I Aguerri, Maria Ester Dictado 1 y 2 cuatrimestre 1 - Introducción Un enfoque determinístico

Más detalles

Tema 8: Análisis Discriminante. Clasificación. Aurea Grané Departamento de Estadística Universidad Carlos III de Madrid. Análisis discriminante

Tema 8: Análisis Discriminante. Clasificación. Aurea Grané Departamento de Estadística Universidad Carlos III de Madrid. Análisis discriminante Aurea Grané. Máster en Estadística. Universidade Pedagógica. 1 Aurea Grané. Máster en Estadística. Universidade Pedagógica. 2 Análisis discriminante Tema 8: Análisis Discriminante y Clasificación Aurea

Más detalles

UNIDAD 4: MEDIDAS DE TENDENCIA CENTRAL

UNIDAD 4: MEDIDAS DE TENDENCIA CENTRAL UNIDAD 4: MEDIDAS DE TENDENCIA CENTRAL Objetivo terminal: Calcular e interpretar medidas de tendencia central para un conjunto de datos estadísticos. Objetivos específicos: 1. Mencionar las características

Más detalles

Validez diferencial y sesgo de predictividad de las Pruebas de Admisión a las Universidades Chilenas. Documentos Técnicos

Validez diferencial y sesgo de predictividad de las Pruebas de Admisión a las Universidades Chilenas. Documentos Técnicos Documentos Técnicos Validez diferencial y sesgo de predictividad de las Pruebas de Admisión a las Universidades Chilenas Comité Técnico Asesor Consejo de Rectores de las Universidades Chilenas H.Consejo

Más detalles

Muy en desacuerdo 1 2 3 4 5 Muy de acuerdo

Muy en desacuerdo 1 2 3 4 5 Muy de acuerdo Aplicación del análisis factorial a la valoración por parte de los estudiantes de las asignaturas de la ETSICCP de Barcelona en sus distintas titulaciones. Camino Balbuena Martínez, Dpt. de Matemática

Más detalles

FACTORES ASOCIADOS A LA REPROBACIÓN DE LOS ESTUDIANTES DE LA UNIVERSIDAD DE SONORA

FACTORES ASOCIADOS A LA REPROBACIÓN DE LOS ESTUDIANTES DE LA UNIVERSIDAD DE SONORA FACTORES ASOCIADOS A LA REPROBACIÓN DE LOS ESTUDIANTES DE LA UNIVERSIDAD DE SONORA VÍCTOR CORRAL VERDUGO / XOCHITL DÍAZ NÚÑEZ RESUMEN: El propósito de la presente investigación fue identificar los posibles

Más detalles

Los contenidos básicos exigibles a la finalización del curso serán:

Los contenidos básicos exigibles a la finalización del curso serán: 1. CONTENIDOS BÁSICOS. Los contenidos básicos exigibles a la finalización del curso serán: BLOQUE I: ESTADÍSTICA Y PROBABILIDAD Población y muestra. Tipos de caracteres estadísticos: cualitativos y cuantitativos.

Más detalles

ANÁLISIS DE LAS CAUSAS DEL FRACASO ESCOLAR Y DESARROLLO DE ACCIONES DE MEJORA

ANÁLISIS DE LAS CAUSAS DEL FRACASO ESCOLAR Y DESARROLLO DE ACCIONES DE MEJORA ANÁLISIS DE LAS CAUSAS DEL FRACASO ESCOLAR Y DESARROLLO DE ACCIONES DE MEJORA Mª Ángeles Martín (1), Gloria Arranz (1), Manuel A. González (1), Ricardo Páramo (1), Esperanza Alarcia (2), Mª Luisa Fernandoz

Más detalles

Sistema de evaluación en contabilidad y resultados

Sistema de evaluación en contabilidad y resultados Sistema de evaluación en contabilidad y resultados A. Mateos-Ronco; N. Lajara-Camilleri; M. M. Marín Sánchez Centro de Investigación en Gestión de Empresas (CEGEA) Universitat Politècnica de València RESUMEN

Más detalles

Hay diferencias en la media del HOMA entre los diabéticos y los no diabéticos? Resumen del procesamiento de los casos

Hay diferencias en la media del HOMA entre los diabéticos y los no diabéticos? Resumen del procesamiento de los casos Test de hipótesis t de Student Hay diferencias en la media del HOMA entre los diabéticos y los no diabéticos? Resumen del procesamiento de los casos HOMA Casos Válidos Perdidos Total N Porcentaje N Porcentaje

Más detalles

INVESTIGACION Y ESTADISTICA I GLOSARIO GUIA PARA LOS CONCEPTOS BASICOS DE LA LOGICA CUANTITATIVA 1

INVESTIGACION Y ESTADISTICA I GLOSARIO GUIA PARA LOS CONCEPTOS BASICOS DE LA LOGICA CUANTITATIVA 1 INVESTIGACION Y ESTADISTICA I GLOSARIO GUIA PARA LOS CONCEPTOS BASICOS DE LA LOGICA CUANTITATIVA I. El problema y las hipótesis María Teresa Sirvent Qué caracteriza a una pregunta científica que orienta

Más detalles

Las técnicas muestrales, los métodos prospectivos y el diseño de estadísticas en desarrollo local

Las técnicas muestrales, los métodos prospectivos y el diseño de estadísticas en desarrollo local 21 Las técnicas muestrales, los métodos prospectivos y el diseño de estadísticas en desarrollo local Victoria Jiménez González Introducción La Estadística es considerada actualmente una herramienta indispensable

Más detalles

EN LA PREDICCION DEL RENDIMIENTO ESTUDIANTIL* An application of the model logistic regression in the prediction of the student performance

EN LA PREDICCION DEL RENDIMIENTO ESTUDIANTIL* An application of the model logistic regression in the prediction of the student performance Estudios Pedagógicos XXXIII, Nº 2: 101-120, 2007 INVESTIGACIONES UNA APLICACION DEL MODELO DE REGRESION LOGISTICA EN LA PREDICCION DEL RENDIMIENTO ESTUDIANTIL* An application of the model logistic regression

Más detalles

Curso/Tutorial: Estadística Aplicada en la Investigación Biomédica

Curso/Tutorial: Estadística Aplicada en la Investigación Biomédica Curso/Tutorial: Estadística Aplicada en la Investigación Biomédica Nombre del curso Modalidad Duración Intensidad Certificado Dirigido a Estadística Aplicada en la Investigación Biomédica Virtual 16 sesiones

Más detalles

II Congreso Internacional sobre profesorado principiante e inserción profesional a la docencia

II Congreso Internacional sobre profesorado principiante e inserción profesional a la docencia II Congreso Internacional sobre profesorado principiante e inserción profesional a la docencia El acompañamiento a los docentes noveles: prácticas y concepciones Buenos Aires, del 24 al 26 de febrero de

Más detalles

Título: Árboles de Decisión automáticos para el Pronóstico del Rendimiento Docente (aplicable al Control de Procesos).

Título: Árboles de Decisión automáticos para el Pronóstico del Rendimiento Docente (aplicable al Control de Procesos). Título: Árboles de Decisión automáticos para el Pronóstico del Rendimiento Docente (aplicable al Control de Procesos). Autores: - MsC. Ing. Mario L. Basulto Núñez (ETECSA) mario.basulto@etecsa.cu - Lic.

Más detalles

ESTADISTICA Y PROBABILIDAD

ESTADISTICA Y PROBABILIDAD ESTADISTICA Y PROBABILIDAD Introducción Para incrementar los conocimientos que se tienen acerca del mundo es necesario emplear los métodos y las inferencias estadísticas. Sin embargo debido a la amplitud

Más detalles

UNIDAD DIDÁCTICA 7 ANÁLISIS DE ÍTEMS Y BAREMACIÓN DE UN TEST

UNIDAD DIDÁCTICA 7 ANÁLISIS DE ÍTEMS Y BAREMACIÓN DE UN TEST UNIDAD DIDÁCTICA 7 ANÁLISIS DE ÍTEMS Y BAREMACIÓN DE UN TEST 7.1. ANÁLISIS DE LOS ÍTEMS Al comenzar la asignatura ya planteábamos que uno de los principales problemas a los que nos enfrentábamos a la hora

Más detalles

REDUCCIÓN DE OPERACIONES EN UNA LÍNEA DE PRODUCCIÓN

REDUCCIÓN DE OPERACIONES EN UNA LÍNEA DE PRODUCCIÓN REDUCCIÓN DE OPERACIONES EN UNA LÍNEA DE PRODUCCIÓN Apolinar Zapata Rebolloso Servando Lizardi Macías Resumen Se presenta el uso de la simulación como una herramienta para reducir operaciones en una línea

Más detalles

Introducción a la estadística y SPSS

Introducción a la estadística y SPSS Introducción a la estadística y SPSS Marcelo Rodríguez Ingeniero Estadístico - Magister en Estadística Universidad Católica del Maule Facultad de Ciencias Básicas Pedagogía en Matemática Estadística I

Más detalles

4 Análisis de los principales factores AsociAdos A los resultados en ciencias

4 Análisis de los principales factores AsociAdos A los resultados en ciencias cuada en relación con las posibles futuras profesiones de los estudiantes vinculadas a las ciencias. En segundo lugar, los alumnos opinan que las dificultades en el aprendizaje del nuevo conocimiento científico

Más detalles

Serie Economía Nº 85 Agosto, 2000

Serie Economía Nº 85 Agosto, 2000 DETERMINACION DE FACTORES EXPLICATIVOS DE LOS RESULTADOS ESCOLARES EN EDUCACION MEDIA EN CHILE. Alejandra Mizala Pilar Romaguera Serie Economía Nº 85 Agosto, 2000 Centro de Economía Aplicada Departamento

Más detalles

LA TUTORÍA PRESENCIAL Y VIRTUAL Y SU IMPACTO EN EL

LA TUTORÍA PRESENCIAL Y VIRTUAL Y SU IMPACTO EN EL LA TUTORÍA PRESENCIAL Y VIRTUAL Y SU IMPACTO EN EL DESEMPEÑO ACADÉMICO EN UNIVERSITARIOS JAVIER JOSÉ VALES GARCÍA / MIRSHA ALICIA SOTELO CASTILLO / SONIA BEATRIZ ECHEVERRÍA CASTRO Departamento de Psicología,

Más detalles

Estadística II ADD-1021

Estadística II ADD-1021 1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: (Créditos) SATCA 1 Estadística II Ingeniería en Administración ADD-1021 2 3 5 2.- PRESENTACIÓN Caracterización de la

Más detalles

Técnicas de análisis para el uso de resultados de encuestas y estudios aplicados al VIH/sida. Por: Prof. Elena del C. Coba

Técnicas de análisis para el uso de resultados de encuestas y estudios aplicados al VIH/sida. Por: Prof. Elena del C. Coba Técnicas de análisis para el uso de resultados de encuestas y estudios aplicados al VIH/sida Por: Prof. Elena del C. Coba Encuestas y estudios aplicados al VIH/sida Definir la fuente de los datos: Datos

Más detalles

CUESTIONES DE AUTOEVALUACIÓN (TEMA 1)

CUESTIONES DE AUTOEVALUACIÓN (TEMA 1) CUESTIONES DE AUTOEVALUACIÓN (TEMA 1) Cuestiones de Verdadero/Falso 1. Un estadístico es una característica de una población. 2. Un parámetro es una característica de una población. 3. Las variables discretas

Más detalles

ESTADÍSTICA EMPRESARIAL

ESTADÍSTICA EMPRESARIAL ASIGNATURA DE GRADO: ESTADÍSTICA EMPRESARIAL Curso 2015/2016 (Código:65022076) 1.PRESENTACIÓN DE LA ASIGNATURA La asignatura Estadística Empresarial es de carácter obligatorio y se ubica en el segundo

Más detalles

2 Métodos. Guadalupe Martínez, Ángel Luis Pérez, Mª Isabel Suero & Pedro J. Pardo, Universidad de Extremadura, España Email: mmarbor@unex.

2 Métodos. Guadalupe Martínez, Ángel Luis Pérez, Mª Isabel Suero & Pedro J. Pardo, Universidad de Extremadura, España Email: mmarbor@unex. Concept Maps: Making Learning Meaningful Proc. of Fourth Int. Conference on Concept Mapping Viña del Mar, Chile, 2010 COMPARACIÓN DEL INCREMENTO DE APRENDIZAJE OBTENIDO AL UTILIZAR MAPAS CONCEPTUALES Y

Más detalles

CONEAU. Comisión Nacional de Evaluación y Acreditación Universitaria MINISTERIO DE EDUCACION. Buenos Aires, 09 de junio de 2010. Carrera Nº 4.

CONEAU. Comisión Nacional de Evaluación y Acreditación Universitaria MINISTERIO DE EDUCACION. Buenos Aires, 09 de junio de 2010. Carrera Nº 4. 1 RESOLUCIÓN Nº: 361/10 ASUNTO: Acreditar la carrera de Doctorado en Ciencias Sociales, de la Universidad Nacional de La Plata, Facultad de Humanidades y Ciencias de la Educación, que se dicta en la ciudad

Más detalles

DIPLOMADO EN RELACIONES LABORALES Estadística Asistida por Ordenador Curso 2008-2009

DIPLOMADO EN RELACIONES LABORALES Estadística Asistida por Ordenador Curso 2008-2009 Índice general 2. Presentación del paquete estadístico Statgraphics. Estadística Descriptiva 3 2.1. Ventanas de Statgraphics.................................... 3 2.1.1. Barras de menú, de herramientas

Más detalles

Anexo 11. Valoración de la calidad de los distintos tipos de estudios

Anexo 11. Valoración de la calidad de los distintos tipos de estudios Anexo 11. Valoración de la calidad de los distintos tipos de estudios Ensayos Clínicos Un ensayo clínico aleatorizado (ECA) es un estudio experimental en el que se aplica una intervención a un grupo de

Más detalles

Análisis de conglomerados de los estudiantes costarricenses participantes en la prueba PISA 2009

Análisis de conglomerados de los estudiantes costarricenses participantes en la prueba PISA 2009 Boletín 04-15 Análisis de conglomerados de los estudiantes costarricenses participantes en la prueba PISA 2009 El objetivo de este estudio es agrupar a los estudiantes costarricenses de 15 años participantes

Más detalles

Valoraciones de alumnos universitarios sobre los conceptos matemáticos

Valoraciones de alumnos universitarios sobre los conceptos matemáticos Valoraciones de alumnos universitarios sobre los conceptos matemáticos M. Begoña Alfageme González Dpto. Didáctica y Organización Escolar. Facultad de Educación Pedro Antonio Guil Asensio Francisco Guil

Más detalles

Participantes: Presentador del problema:

Participantes: Presentador del problema: TAMI 2010 43 44 1. Introducción El problema planteado por YPF para TAMI 2010 se enmarca en una disciplina llamada monitoreo inteligente de procesos (MIP). La misma consiste en un conjunto de herramientas

Más detalles

II. Planteamiento del Problema

II. Planteamiento del Problema Perfil de Ingreso y Deserción en Psicología 8 II. Planteamiento del Problema La presente tesis se llevó a cabo para poder responder: cuál es la relación existente entre el perfil vocacional de ingreso

Más detalles

15 PARÁMETROS ESTADÍSTICOS

15 PARÁMETROS ESTADÍSTICOS EJERCICIOS PROPUESTOS 1.1 El número de libros leídos por los miembros de un círculo de lectores en un mes se resume en esta tabla. N. o de libros leídos x i N. o de personas f i 1 1 3 18 11 7 7 1 Halla

Más detalles

Pontificia Universidad Católica del Ecuador

Pontificia Universidad Católica del Ecuador 1. DATOS INFORMATIVOS MATERIA O MÓDULO: MERCADEO CÓDIGO: 1289 CARRERA: INGENIERÍA EN SISTEMAS NIVEL: CUARTO No. CRÉDITOS SEMESTRE / AÑO ACADÉMICO: PRIMERO 2008 2009 CRÉDITOS PRÁCTICA: - PROFESOR: Nombre:

Más detalles

Importancia de la administración de riesgos

Importancia de la administración de riesgos Importancia de la administración de riesgos Una de las definiciones más interesantes acerca de esta teoría es la presentada por McConnell (1997), quien se refiere a la administración de riesgos de la siguiente

Más detalles

ANÁLISIS MULTIVARIANTE. Créditos. Teóricos: 6 Prácticos: 3 Total: 9. Profesoras: Agurtzane Amparan, Silvia Marcaida y Arantza Urkaregi

ANÁLISIS MULTIVARIANTE. Créditos. Teóricos: 6 Prácticos: 3 Total: 9. Profesoras: Agurtzane Amparan, Silvia Marcaida y Arantza Urkaregi Presentación ANÁLISIS MULTIVARIANTE MATEMÁTICAS SEGUNDO CICLO OPTATIVA SEGUNDO CUATRIMESTRE Créditos. Teóricos: 6 Prácticos: 3 Total: 9 Profesoras: Agurtzane Amparan, Silvia Marcaida y Arantza Urkaregi

Más detalles

Proceso de Identificación de Errores de Apropiación de Conceptos Basado en Explotación de Información

Proceso de Identificación de Errores de Apropiación de Conceptos Basado en Explotación de Información Proceso de Identificación de Errores de Apropiación de Conceptos Basado en Explotación de Información Saavedra-Martínez, P., Pollo-Cattaneo, F., Rodríguez, D., Britos, P., García-Martínez, R. Grupo de

Más detalles

Los modelos que permite construir el ANOVA pueden ser reducidos a la siguiente forma:

Los modelos que permite construir el ANOVA pueden ser reducidos a la siguiente forma: Ignacio Martín Tamayo 25 Tema: ANÁLISIS DE VARIANZA CON SPSS 8.0 ÍNDICE --------------------------------------------------------- 1. Modelos de ANOVA 2. ANOVA unifactorial entregrupos 3. ANOVA multifactorial

Más detalles

Análisis de la Varianza de un Factor

Análisis de la Varianza de un Factor Práctica de Estadística con Statgraphics Análisis de la Varianza de un Factor Fundamentos teóricos El Análisis de la Varianza con un Factor es una técnica estadística de contraste de hipótesis, cuyo propósito

Más detalles

CURSO DE ESTADISTICA Y HERRAMIENTAS PARA ANALISIS. Estadística y Herramientas cuantitativas. Obligatoria NÚMERO DE CREDITOS: 2

CURSO DE ESTADISTICA Y HERRAMIENTAS PARA ANALISIS. Estadística y Herramientas cuantitativas. Obligatoria NÚMERO DE CREDITOS: 2 Error! Marcador no definido. Página 1 de 5 1. IDENTIFICACIÓN CURSO DE ESTADISTICA Y HERRAMIENTAS PARA ANALISIS NOMBRE DE LA OFRECIDO PARA: CARÁCTER DE LA Estadística y Herramientas cuantitativas Maestria

Más detalles

ANÁLISIS ESTADÍSTICO DE LA PRODUCCIÓN DE UNA PLANTA EMPACADORA DE TILAPIA

ANÁLISIS ESTADÍSTICO DE LA PRODUCCIÓN DE UNA PLANTA EMPACADORA DE TILAPIA ANÁLISIS ESTADÍSTICO DE LA PRODUCCIÓN DE UNA PLANTA EMPACADORA DE TILAPIA Villalva Roxana, Ramírez John Resumen. El presente trabajo es realizado a partir de los datos de producción de una planta empacadora

Más detalles

Facultad de Ciencias Económicas y Empresariales Ekonomi Eta Enpresa Zientzien Fakultatea. Programa de la Asignatura

Facultad de Ciencias Económicas y Empresariales Ekonomi Eta Enpresa Zientzien Fakultatea. Programa de la Asignatura Código: 11232 Licenciatura: LITM Curso: 2º Línea Curricular: Cuatrimestre: 1º Créditos: 6 Facultad de Ciencias Económicas y Empresariales Ekonomi Eta Enpresa Zientzien Fakultatea Programa de la Asignatura

Más detalles

PRUEBAS NO PARAMÉTRICAS

PRUEBAS NO PARAMÉTRICAS PRUEBAS NO PARAMÉTRICAS 1. PRUEBAS DE NORMALIDAD Para evaluar la normalidad de un conjunto de datos tenemos el Test de Kolmogorov- Smirnov y el test de Shapiro-Wilks La opción NNPLOT del SPSS permite la

Más detalles

Programa de la asignatura Curso: 2007 / 2008 ESTADÍSTICA (3174)

Programa de la asignatura Curso: 2007 / 2008 ESTADÍSTICA (3174) Programa de la asignatura Curso: 2007 / 2008 ESTADÍSTICA (3174) PROFESORADO Profesor/es: SANTIAGO RUIZ MIGUEL - correo-e: rumi@ubu.es FICHA TÉCNICA Titulación: INGENIERÍA DE CAMINOS, CANALES Y PUERTOS

Más detalles

TITULACIÓN: NEGOCIOS INTERNACIONALES ASIGNATURA: ESTADÍSTICA CURSO: PRIMERO SEMESTRE: SEGUNDO TIPO: FORMACIÓN BÁSICA IDIOMA: CASTELLANO CRÉDITOS: 6

TITULACIÓN: NEGOCIOS INTERNACIONALES ASIGNATURA: ESTADÍSTICA CURSO: PRIMERO SEMESTRE: SEGUNDO TIPO: FORMACIÓN BÁSICA IDIOMA: CASTELLANO CRÉDITOS: 6 TITULACIÓN: NEGOCIOS INTERNACIONALES ASIGNATURA: ESTADÍSTICA CURSO: PRIMERO SEMESTRE: SEGUNDO TIPO: FORMACIÓN BÁSICA IDIOMA: CASTELLANO CRÉDITOS: 6 OBJETIVOS: Conceptos básicos: población, muestra y variable.

Más detalles

APLICACIÓN DEL ANÁLISIS DE COMPONENTES PRINCIPALES EN EL DESARROLLO DE PRODUCTOS

APLICACIÓN DEL ANÁLISIS DE COMPONENTES PRINCIPALES EN EL DESARROLLO DE PRODUCTOS APLICACIÓN DEL ANÁLISIS DE COMPONENTES PRINCIPALES EN EL DESARROLLO DE PRODUCTOS L. VILLARROEL, J. ALVAREZ, D. MALDONADO Proyecto Centro de Estadística Aplicada CESA Convenio CIUF UMSS Facultad de Ciencias

Más detalles

Adaptación de la PSU para personas con discapacidad auditiva

Adaptación de la PSU para personas con discapacidad auditiva nº 3 01.10.2013 Adaptación de la PSU para personas con discapacidad auditiva Ricardo Rosas, Andrés Aparicio, Catalina Benavente y Magdalena Lange Centro de Desarrollo de Tecnologías de Inclusión (CEDETi

Más detalles

MATEMÁTICAS 3º E.S.O

MATEMÁTICAS 3º E.S.O MATEMÁTICAS 3º E.S.O Desarrollado en DECRETO 48/2015, de 14 de mayo (B.O.C.M. Núm. 118; 20 de mayo de 2015) PROGRAMACIÓN DIDÁCTICA I.E.S. JOSÉ HIERRO (GETAFE) CURSO: 2015-16 Pág 1 de 11 1. CONTENIDOS Y

Más detalles

GUÍA DEL PRACTICUM DE LOS INFANTIL Y DE MAESTRO EN EDUCACIÓN PRIMARIA

GUÍA DEL PRACTICUM DE LOS INFANTIL Y DE MAESTRO EN EDUCACIÓN PRIMARIA GUÍA DEL PRACTICUM DE LOS GRADOS DE MAESTRO EN EDUCACIÓN INFANTIL Y DE MAESTRO EN EDUCACIÓN PRIMARIA FACULTAD DE EDUCACIÓN UNIVERSIDAD DE LA LAGUNA Junio, 2012 ÍNDICE 1. Presentación 3 2. Objetivos que

Más detalles